Dienstag, 3. Februar 2026

Power Query Praxisreihe – Von Datenimport bis zu komplexen Transformationen

Power Query: Daten laden, bereinigen, transformieren – alles automatisiert!

Das Problem: Datenchaos ohne Power Query:

  • Manuelle Datenbereinigung! Stunden für Copy-Paste!
  • Fehlerhafte Daten! Typen durcheinander!
  • Keine Automatisierung! Jeden Monat von vorne!
  • Mehrere Quellen! Konsolidierung manuell!
  • Keine Audit-Trail! Wer hat was geändert?

Die Lösung: Power Query! Automatische Daten-Pipelines, ETL-Workflows, Datencleaning!

In dieser Reihe lernst du: Von grundlegenden Imports bis zu Advanced-Transformationen!

1. Power Query Praxisreihe – Die 8 Module

Modul Titel Level Fokus Praktische Cases
1 Erste Schritte mit Power Query 🟩 Anfänger Grundlagen, UI, Erste Query Excel-Datei laden, einfache Filter
2 Datenquellen verbinden 🟩 Anfänger Excel, CSV, Web, SQL, APIs CSV-Import, Excel-Multi-Sheet, Web-Table
3 Datencleaning & Bereinigung 🟨 Mittel Duplikate, Fehler, Formate Duplikate entfernen, Fehler bereinigen, Spalten aufteilen
4 Transformationen & Aggregationen 🟨 Mittel GroupBy, Pivot, Zusammenfassen Sales aggregieren, Pivot erzeugen, Metriken berechnen
5 Mehrere Quellen zusammenführen 🟨 Mittel Append, Merge, Join Vertrieb + Lager zusammenbinden, Multi-Source-ETL
6 Spaltenfunktionen & Berechnungen 🟨 Mittel Spalten hinzu, Custom Columns, M-Code Berechnete Spalten, Text-Operationen, Logik
7 Advanced: Indizierung & Parameter 🟥 Fortgeschritten Index-Spalten, Parameter, Functions Dynamische Parameter, wiederverwendbare Functions
8 Komplexe ETL-Pipelines 🟥 Fortgeschritten Multi-Step Workflows, Error Handling End-to-End-Pipeline, Fehlerbehandlung, Logging

2. MODUL 1: Erste Schritte mit Power Query

🟩 Anfänger

Was ist Power Query?

Definition: Power Query = ETL-Tool (Extract → Transform → Load) in Excel!
  • Extract: Daten aus verschiedenen Quellen laden!
  • Transform: Daten reinigen & umformen!
  • Load: Ergebnis in Excel/Power Pivot laden!

Die Power Query Oberfläche:

Hauptkomponenten:
┌─────────────────────────────────────────┐ │ POWER QUERY EDITOR │ ├─────────────────────────────────────────┤ │ ← Back │ ├─────────────────────────────────────────┤ │ LEFT PANEL: │ MAIN AREA: │ │ • Queries │ • Datenansicht │ • Applied Steps │ • Spalten │ • Data Sources │ • Zeilen │ │ • Preview ├─────────────────────────────────────────┤ │ RIGHT PANEL: │ │ • Query Settings │ │ • Applied Steps (zum Bearbeiten!) │ │ • Column Properties │ └─────────────────────────────────────────┘

🔧 Erste Query erstellen (Schritt für Schritt):

SCHRITT 1: Datenquelle laden
  1. Data Tab → Get Data → From File → Excel!
  2. Datei auswählen (Budget.xlsx)!
  3. Sheet wählen (z.B. "Sales")!
  4. Tabelle auswählen!
  5. Load → Power Query Editor öffnet sich!
SCHRITT 2: Erste Transformation
  1. Header-Zeile: Meist automatisch erkannt!
  2. Datentypen: Spalten-Header → Datentyp ändern!
  3. Filter: Spalten-Header → Filter einstellen!
  4. Sortieren: Spalten-Header → Sortierung!
SCHRITT 3: Laden & Verwenden
  1. Home → Close & Load → New Sheet!
  2. Oder: Close & Load To → Spezifisches Blatt!
  3. Query ist jetzt im Workbook registriert!

📚 Praktisches Beispiel:

FALL 1: CSV-Datei (Sales) einfach laden

Ausgangsdaten (sales.csv):
Date,Product,Quantity,Price,Total 01.01.2026,Laptop,2,800,1600 02.01.2026,Phone,5,400,2000 03.01.2026,Laptop,1,800,800 ...
Schritte in Power Query:
  1. Get Data → From File → CSV!
  2. Datei: sales.csv auswählen!
  3. Auto-erkannt: Header Row 1, Separator ","!
  4. Data Types: Date = Date, Quantity = Whole Number!
  5. Load → Excel-Tabelle erstellen!
Resultat: Saubere Excel-Tabelle mit richtigen Datentypen!

3. MODUL 2: Datenquellen verbinden

🟩 Anfänger

Datenquellen im Überblick:

Quelle Format Komplexität Häufig?
Excel File .xlsx, .xlsm Niedrig ✅✅✅
CSV/Text .csv, .txt Niedrig ✅✅✅
SQL Database SQL Server, MySQL Mittel ✅✅
Web Table HTML Tabelle Mittel ✅
API / JSON JSON, REST Hoch ✅
SharePoint SharePoint List Mittel ✅✅

🔧 Verschiedene Quellen laden:

EXAMPLE 1: Mehrere Excel-Blätter laden & kombinieren
Datei: Budget_2026.xlsx Sheets: Q1_Sales, Q2_Sales, Q3_Sales, Q4_Sales Power Query: 1. Get Data → From File → Excel 2. Datei: Budget_2026.xlsx 3. Transform → Alle Q-Sheets auswählen! 4. Combine: Use "Append Queries" 5. Result: Eine Tabelle mit allen Quarters!
EXAMPLE 2: Web-Tabelle scrapen
Website: https://example.com/products Goal: Produkt-Tabelle in Excel importieren! Power Query: 1. Get Data → From Web 2. URL eingeben: https://example.com/products 3. Power Query findet Tabellen automatisch! 4. Tabelle auswählen! 5. Load! Result: Live-Daten aus Website in Excel!

4. MODUL 3: Datencleaning & Bereinigung

🟨 Mittel

Die häufigsten Datenprobleme:

  • 🔴 Duplikate: Gleiche Zeilen mehrfach!
  • 🔴 Fehlende Werte: NULL, leer, "#N/A"!
  • 🔴 Falsche Typen: "100" als Text statt Zahl!
  • 🔴 Whitespace: Leerzeichen am Anfang/Ende!
  • 🔴 Inkonsistente Formate: Datum: "01.01.26" vs "1/1/26"!
  • 🔴 Unerwünschte Spalten: Index, Debug-Spalten!

🔧 Cleaning-Techniken:

1. Duplikate entfernen:
  1. Select Column → Home → Remove Duplicates!
  2. Oder: Spalten auswählen, dann Remove Duplicates!
  3. Resultat: Nur noch unique Zeilen!
2. Fehlende Werte handhaben:
  1. Spalte-Header → "Replace Values"!
  2. Ersetze: null, #N/A, "" mit Standard (z.B. 0 oder "Unknown")!
  3. Oder: Zeilen mit null löschen ("Remove Rows" → "Remove Errors")!
3. Spalte aufteilen (Split Column):
  1. Spalte-Header → Split Column → By Delimiter!
  2. Beispiel: "FirstName LastName" → Zwei Spalten!
  3. Oder: By Text Length (für festes Format)!
4. Datentyp ändern:
  1. Spalten-Header → Data Type Dropdown!
  2. Wähle: Text, Whole Number, Decimal, Date, etc.!
  3. Fehler: Wenn Typ nicht passt → #Error anzeigen!

📚 Praktisches Beispiel:

FALL: Messy Customer Data bereinigen

Rohdaten:
ID | Name | Email | Phone | Status 1 | John Smith | JOHN@EXAMPLE.COM | 0049 123 456 | active 2 | john smith | john@example.com | | Active 3 | JOHN SMITH | john@example.com | 0049123456 | active 4 | NULL | invalid@ | unknown | inactive 5 | Jane Doe | jane@example.com | 0049 789 012 | ACTIVE
Cleaning-Schritte:
  1. Duplikate: Rows 1-3 = Duplikate! → Remove!
  2. NULL: Row 4 Name = NULL → Remove oder Fill!
  3. Case: Name → Proper Case (First Letter Capital)!
  4. Status: Normalize zu lowercase ("active" nur)!
  5. Whitespace: TRIM (Name, Email, Phone)!
  6. Phone: Standardformat (0049...)!
Resultat: Saubere, konsistente Kundendaten!

5. MODUL 4: Transformationen & Aggregationen

🟨 Mittel

Group By & Aggregation:

TECHNIKEN:
  • Group By: Daten nach Spalte gruppieren + Aggregat!
  • Pivot: Spalten zu Zeilen drehen (Matrix-View)!
  • Unpivot: Spalten zu Zeilen machen (normalisieren)!
EXAMPLE: Sales nach Region aggregieren
Input Daten: Region | Month | Sales North | Jan | €50.000 North | Feb | €45.000 South | Jan | €35.000 South | Feb | €40.000 Transform: Group By → Region, Sum(Sales) Output: Region | Total Sales North | €95.000 South | €75.000 Power Query: 1. Select: Region Column 2. Transform → Group By 3. Group By: Region 4. New Column: Sum of Sales 5. Result: Aggregierte Daten!

6. MODUL 5: Mehrere Quellen zusammenführen

🟨 Mittel

Append vs. Merge:

Operation Zweck Beispiel
Append Zeilen kombinieren (Vertikal) 2020 Sales + 2021 Sales
Merge Spalten kombinieren (Horizontal/Join) Sales + Customer Info
APPEND (Zeilen hinzufügen):
  1. Query 1 öffnen (z.B. Q1_Sales)!
  2. Home → Append Queries → Query 2 (Q2_Sales)!
  3. Result: Q1 + Q2 in einer Tabelle!
MERGE (Join/Lookup):
  1. Query 1 öffnen (Sales)!
  2. Home → Merge Queries → Query 2 (Customer)!
  3. Select Join-Spalte (z.B. Customer ID)!
  4. Join Type: Inner, Left, Right, Full Outer!
  5. Result: Sales + Customer Info in einer Zeile!

7. MODUL 6: Spaltenfunktionen & Berechnungen

🟨 Mittel

Custom Columns mit M-Code:

Einfache Berechnungen:
  1. Home → Add Column → Custom Column!
  2. Formel eingeben (z.B. [Preis] * [Menge])!
  3. Name eingeben (z.B. "Total")!
  4. OK!
EXAMPLES mit M-Code:
1. Total berechnen: [Preis] * [Menge] 2. Text kombinieren: [FirstName] & " " & [LastName] 3. IF-Logik: if [Sales] > 1000 then "VIP" else "Regular" 4. Text in Großbuchstaben: Text.Upper([Name]) 5. Monat aus Datum extrahieren: Date.Month([OrderDate])

8. MODUL 7 & 8: Advanced & Komplexe Pipelines

🟥 Fortgeschritten

Advanced Techniken:

  • Index-Spalten: Für Seriennummern, Row-Nummern!
  • Parameter: Dynamische Werte (z.B. FilterDatum)!
  • Functions: Wiederverwendbare Queries!
  • Error Handling: try-catch mit try-otherwise!
EXAMPLE: End-to-End ETL-Pipeline
Pipeline: Sales Data Extract → Clean → Transform → Load Step 1: EXTRACT (Multiple Sources) ├─ Excel: Q1_Sales.xlsx ├─ CSV: Q2_Sales.csv ├─ SQL: Q3_Sales (live query) └─ Web: Q4_Forecast (scrape) Step 2: CLEAN (Standardisierung) ├─ Remove duplicates ├─ Handle nulls ├─ Standardize data types └─ Trim whitespace Step 3: TRANSFORM (Business Logic) ├─ Append alle Quarters ├─ Calculate Totals ├─ Add Commissions (custom calc) ├─ Group by Region/Product └─ Pivot by Quarter Step 4: LOAD (Destination) └─ Excel Tabelle └─ Power Pivot Model └─ Pivot Table für Dashboard Result: Automatisierte, saubere, transformierte Daten!

9. Best Practices für Power Query

1. Aussagekräftige Query-Namen: z.B. "Sales_Raw" → "Sales_Cleaned" → "Sales_Final"!
2. Applied Steps dokumentieren: Kommentare hinzufügen (Rechtsklick → Rename)!
3. Fehlerhafte Schritte separieren: Nicht: Raw → Final in 1 Query! Lieber: 3 Queries!
4. M-Code erst spät optimieren: UI-Schritte zuerst, dann Code!
5. Backups der Source-Queries: Falls Quelle kaputt geht!

10. Häufige Fehler & Lösungen

❌ Fehler 1: "Source.NotFound" beim Datei-Import
Grund: Datei verschoben oder gelöscht! Lösung: 1. Home → Data Source Settings 2. Pfad überprüfen & korrigieren 3. Oder: Datei zurück an originalem Ort!
❌ Fehler 2: Merge funktioniert nicht (keine Übereinstimmung)
Grund: Join-Spalten haben unterschiedliche Formate! Beispiel: Sales.CustomerID = "001" (Text) Customer.ID = 1 (Number) Lösung: 1. Datentypen synchronisieren! 2. Beide als Text oder beide als Number! 3. Dann Merge erneut versuchen!
❌ Fehler 3: Refresh funktioniert nicht / "Scheduled Refresh Failed"
Grund: File-Path änderbar, Quelle offline, Credentials! Lösung: 1. Datei im OneDrive/SharePoint (nicht local!) 2. Credentials überprüfen (Data Source Settings) 3. File-Permissions prüfen! 4. Manueller Refresh testen!

11. Checkliste: Bist du bereit für Power Query?

  • Ich verstehe Extract → Transform → Load (ETL)
  • Ich kann Excel-Dateien in Power Query laden
  • Ich kann CSV-Dateien importieren
  • Ich kann Web-Tabellen scrapen
  • Ich kann Duplikate entfernen
  • Ich kann Spalten aufteilen (Split)
  • Ich kann Group By nutzen
  • Ich kann Queries mergen & appenden
  • Ich kann Custom Columns mit M-Code erstellen
  • Ich kann eine End-to-End-Pipeline bauen!

Mit Power Query wird Datenchaos zu sauberen Daten! 🚀✨
Nächstes Modul: Modul 1 – Erste Schritte (mit detaillierten Schritt-für-Schritt-Videos & Templates!)

at

Keine Kommentare:

Kommentar veröffentlichen

Abonnieren Kommentare zum Post (Atom)

Power Query Praxisreihe – Von Datenimport bis zu komplexen Transformationen

Power Query: Daten laden, bereinigen, transformieren – alles automatisiert! Das Problem: Datenchaos ohne Power Qu...